Tweet
Tweet

Slide 1

Slide 1 text

それでも 「データ分析」で仕事をしたい人のための データ分析業界長期予報 とこれからの選択肢について v2.2.1_最終_0802更新(3) 2019/08/02 「データ分析」は職業として（今後も）成り立つのか？ ～データアナリスト・ウェブアナリスト・データサイエンティスト のキャリアパスと業界の展望～

Slide 2

Slide 2 text

• 本日の資料は https://speakerdeck.com/shinu/forecast-v2 に公開済みです。ブログ・Twitterからもリンクがあります • 〇 SNSで話題にすること • × 写真撮影 資料・SNS・写真撮影などについて

Slide 3

Slide 3 text

• このところ「データ分析」に関わる人の間でキャリアの話 が急に盛り上がって来た感じがある • そこで、キャリアについて考える１つの参考となればとこ れからの「データ分析業界」の長期的な予報を行ってみる • 併せて「データ分析」での仕事は他にどのような選択肢が あるのかを提示する • 6月にした白金鉱業での発表をバージョンアップ 前置き

Slide 4

Slide 4 text

• 話の前を聞くにあたり注意してほしいこと • 「データ分析に関わる人」を整理する • 「データ分析業界」とはどこか • 過去と現在の日本のデータ分析事情の概観 • 今後の「データ分析業界」の長期予報（ダイジェスト） • それでも「データ分析」で仕事をしたい人はどうしたらよ いのか選択肢を考える 目次

Slide 5

Slide 5 text

自己紹介

Slide 6

Slide 6 text

しんゆう（ @data_analyst_ ） 仕事：データアナリストを名乗る何でも屋 ブログ「データ分析とインテリジェンス」を書いてる人 https://analytics-and-intelligence.net/ • 分析に漠然と興味を持って20年ぐらい • 知識は座学中心で深さより広さ • データの仕事が出来るようになったのはここ数年 自己紹介

Slide 7

Slide 7 text

話を聞くにあたり注意してほしいこと

Slide 8

Slide 8 text

最初に注意して欲しいこと • この話に限らないけれども特にキャリアの話は人の話を鵜 呑みにしたりすると大変なことになるので特に気を付けて 欲しい 話を聞くにあたり注意してほしいこと

Slide 9

Slide 9 text

こんなバイアスがかかっているかもしれない（１） • 知らないことを知らないのでおかしなことを言っているか もしれない • 過度に不安をあおるなど起きもしないネガティブなことを 強調して言うことで得をしようとしているかもしれない • ありもしないバラ色の未来などポジティブなことを言うこ とで得をしようとしているかもしれない 話を聞くにあたり注意してほしいこと

Slide 10

Slide 10 text

こんなバイアスがかかっているかもしれない（２） • 面接で落とされたとか、入社したら話が違うとか、評価で きる人がいなくて不当な扱いを受けたとか、同僚がいなく て困ったとか、個人的な恨みつらみが原因で考えが捻じ曲 がっているかもしれない 話を聞くにあたり注意してほしいこと

Slide 11

Slide 11 text

立場について • 今回の話は「データ分析をしたい個人の立場から見て」ど うかが主題 • なので企業やマネージャーの立場は基本的に無視 • 例えば、転職は個人にとっては機会でも上司から見ると転 職リスクとなりえる。必要とあらばその選択肢を隠さない 話を聞くにあたり注意してほしいこと

Slide 12

Slide 12 text

その他の注意点 • 「全体像」を把握するのが目的 • 「このままだと」どうなるだろうかを予想することが主題 • 良し悪しではなく判断するための一材料を提供する • 日本企業でのビジネスおけるデータ分析の話が中心 • 全部話すことはできないのでダイジェスト版 話を聞くにあたり注意してほしいこと

Slide 13

Slide 13 text

「データ分析に関わる人」を整理する

Slide 14

Slide 14 text

「データ分析業界」とは何かを考える • 「データ分析業界」という言葉もあるが具体的に何をして いる人や職種のことを指しているのかがあいまい • 普段の会話はそれでもいいが話をするのにそれでは困るの でここで改めて「データ分析」業界について整理してみる 「データ分析に関わる人」を整理する

Slide 15

Slide 15 text

「データ分析に関わる人」の論点 • 「データ分析に関わる人」を分けるとすると、この2つが大 きな論点になる 1. 分析するのか、分析する環境やデータを作るのか 2. 自分のためか他人のためか 「データ分析に関わる人」を整理する

Slide 16

Slide 16 text

「データ分析に関わる人」の論点 • すると「データ分析に関わる人」は大きく分けて３つ データを 誰のために 何と呼ぶ 使う人 自分のため 分析する〇〇 使う人 他人のため アナリスト 作る人 エンジニア 「データ分析に関わる人」を整理する

Slide 17

Slide 17 text

「データ分析に関わる人」の論点 • まずは「アナリスト」から データを 誰のために 何と呼ぶ 使う人 自分のため 分析する〇〇 使う人 他人のため アナリスト 作る人 エンジニア 「データ分析に関わる人」を整理する

Slide 18

Slide 18 text

アナリストとは • アナリストとは、他人が意思決定するために必要なデータ 分析を行う人のこと • 企画や実行をする人、つまり自分で意思決定するために分 析もする人をアナリストと呼ぶ場合もあるがここでは明確 に区別して含まない 「データ分析に関わる人」を整理する

Slide 19

Slide 19 text

アナリストとは • 業界やツールの違いによって呼び名が変わるが本質的な活 動は同じ ✓ データアナリスト／データサイエンティスト ✓ Webアナリスト ✓ マーケティングリサーチャー ✓ UXリサーチャー 「データ分析に関わる人」を整理する

Slide 20

Slide 20 text

アナリストとは • アナリストのタイプにはもう1つあり、特定の人の特定の問 題に直接答えるわけではないが広く使える分析を出す。例 えば天気予報。その他にも ✓ 大学や研究機関 ✓ シンクタンクや業界アナリスト などにいる。ビジネスとは離れていることも多いので考慮外 「データ分析に関わる人」を整理する

Slide 21

Slide 21 text

「データ分析に関わる人」の論点 • 次に「分析する〇〇」とは データを 誰のために 何と呼ぶ 使う人 自分のため 分析する〇〇 使う人 他人のため アナリスト 作る人 エンジニア 「データ分析に関わる人」を整理する

Slide 22

Slide 22 text

分析する〇〇とは • 自分が意思決定するための分析を自分でする人のこと • データ分析は誰でもやっていることなのでつまり世の中の 大半の人はここに入る 参照：データ分析とはビジネスに限らず誰でもやっていること https://analytics-and-intelligence.net/archives/1209 「データ分析に関わる人」を整理する

Slide 23

Slide 23 text

分析する〇〇とは • 経営者やマネージャー • コンサルタント • マーケター • 営業 参照：データ分析とはビジネスに限らず誰でもやっていること https://analytics-and-intelligence.net/archives/1209 「データ分析に関わる人」を整理する

Slide 24

Slide 24 text

分析する〇〇とは • 最近のグロースハッカーやカスタマーサクセスは（実態は ともかく）分析色の強いマーケター 参照：データ分析とはビジネスに限らず誰でもやっていること https://analytics-and-intelligence.net/archives/1209 「データ分析に関わる人」を整理する

Slide 25

Slide 25 text

「データ分析に関わる人」の論点 • 最後に「エンジニア」とは データを 誰のために 何と呼ぶ 使う人 自分のため 分析する〇〇 使う人 他人のため アナリスト 作る人 エンジニア 「データ分析に関わる人」を整理する

Slide 26

Slide 26 text

エンジニアとは • 「データ分析」における「エンジニア」の役割は ✓ データを集めて保管する ✓ データを扱うためのインフラを作る ✓ データを使いやすいように整備する のが主な業務 「データ分析に関わる人」を整理する

Slide 27

Slide 27 text

エンジニアとは • データを集めて保管することに特化した人を一般的には 「データエンジニア」と呼ぶ • ダッシュボードを作ったりSQLでデータを抽出するのはそ れを使って誰かが分析するためのデータを集めているので 実はエンジニアの領域 • これらを含むデータマネジメントがある 「データ分析に関わる人」を整理する

Slide 28

Slide 28 text

「データ分析業界」とは

Slide 29

Slide 29 text

「データ分析業界はどこかを考えると • 「データ分析業界」を「データ分析」を中心に活動する人 の業界と考えるなら • データ分析がメインではない「分析する〇〇」は違いそう • データ分析をするためのデータを作る「エンジニア」も別 の役割 「データ分析業界」とは

Slide 30

Slide 30 text

「データ分析業界」はどこかを考えると • アナリストとしての活動が中心である人の業界 データを 誰のために 何と呼ぶ 使う人 自分のため 分析する〇〇 使う人 他人のため アナリスト 作る人 エンジニア 「データ分析業界」とは

Slide 31

Slide 31 text

過去と現在の日本のデータ分析事情の概観

Slide 32

Slide 32 text

過去はどうだったのか？ これからを考えるにあたり、過去のことを知るのは有用。で は過去はどうだったのか？は以下の3つに集約される • 情報やデータに基づいた意思決定の文化がなかった • 国家の命運のかかった戦時ですらとにかく情報無視 • AIの前にもBIやCRMで同じ間違いを繰り返している 過去の日本のデータ分析事情 参照：過去の日本のデータ分析事情を概観する https://analytics-and-intelligence.net/archives/5539

Slide 33

Slide 33 text

現在は改善されたのか？ • データが大事という企業でも経営の意思決定にデータ分析 が活用されておらず、現場がデータで何かやってくれる、 ぐらいの感覚 • せっかく分析レポートを作っても使われない • データ分析者は社内に同僚や理解者がほとんどいない＆何 をしているのかよくわからないので孤立しやすい 現在の日本のデータ分析事情 参照：過去の日本のデータ分析事情を概観する https://analytics-and-intelligence.net/archives/5539

Slide 34

Slide 34 text

現在は改善されたのか？ • つまり、ほとんど改善していない • Webを中心にした新興企業ではデータドリブンを掲げる企 業も出てきてはいるが大半は現場レベルにとどまる • それでも全体からみれば取り組んでいる方 • その割には「データ分析」と最近よく聞くような？ 現在の日本のデータ分析事情 参照：過去の日本のデータ分析事情を概観する https://analytics-and-intelligence.net/archives/5539

Slide 35

Slide 35 text

現在は改善されたのか？ • 2010年代以降、ビックデータやデータサイエンティストの 登場で「データ」の仕事が非常に増えているのは確か • でも分析しているというわけではなさそう • では「アナリスト」は何をしているのだろうか？ 参照：過去の日本のデータ分析事情を概観する https://analytics-and-intelligence.net/archives/5539 現在の日本のデータ分析事情

Slide 36

Slide 36 text

「アナリスト」は何をしているのか • 他の誰かが使うデータ抽出、集計、ダッシュボード作成 • 作っても意思決定に使われないレポート作成 • その業務を行うためのデータや環境の整備 • アナリスト兼コンサルタントやマーケター。実際には後者 の業務が優先されて分析している時間はない 現在の日本のデータ分析事情 参照：過去の日本のデータ分析事情を概観する https://analytics-and-intelligence.net/archives/5539

Slide 37

Slide 37 text

「アナリスト」は何をしているのか • つまりアナリストがメインの活動の人はほぼいないとみて 良い 現在の日本のデータ分析事情 参照：過去の日本のデータ分析事情を概観する https://analytics-and-intelligence.net/archives/5539

Slide 38

Slide 38 text

「アナリスト」は何をしているのか • つまりアナリストがメインの活動の人はほぼいないとみて 良い • つまりデータ分析業界そのものがほぼ存在しないに等しい 現在の日本のデータ分析事情 参照：過去の日本のデータ分析事情を概観する https://analytics-and-intelligence.net/archives/5539

Slide 39

Slide 39 text

今後の「データ分析業界」の長期予報 （ダイジェスト）

Slide 40

Slide 40 text

• 以上を踏まえて、データ分析業界の今後について長期予報 を考える • 最初に注意した通り「このままだと」どうなるかの予想 • まずは「データ分析業界全体」から 今後の「データ分析業界」の長期予報

Slide 41

Slide 41 text

今後の「データ分析業界」の長期予報 ＜ データ分析業界全体 ＞

Slide 42

Slide 42 text

改善する見込み無し （完） 俺たちの戦いはこれからだ！ 今後の「データ分析業界」の長期予報

Slide 43

Slide 43 text

データ分析業界全体の予報と根拠 • より正確に言えば「今までとたいして変わらない」 • 最近伸びているのは主に「データサイエンティストってす ごいんでしょ」とか「現場でデータで勝手に何かうまいこ とやってくれるんでしょ」 • 「意思決定を向上させるデータ分析」の需要はほとんど増 えていない 今後の「データ分析業界」の長期予報

Slide 44

Slide 44 text

データ分析業界全体の予報と根拠 • 理由はデータによる意思決定の文化が無く、文化はそんな に簡単には変わらないから • テクノロジーが発達しても文化や使う人の意識が変わらな ければうまく使いこなせない • 時代が変わりテクノロジーが進化しても長い時間をかけて 積みあがった文化は簡単には変わらない 今後の「データ分析業界」の長期予報

Slide 45

Slide 45 text

データ分析業界全体の予報と根拠 • 30年前には存在しなかった携帯電話は、それまで使う必要 のなかった人にはすぐに浸透しなかった • 食事がまずいと評判の某国であるが、貧しいことが理由で はない • 直接体験できるモノであってもすぐに変わるわけではない 今後の「データ分析業界」の長期予報

Slide 46

Slide 46 text

データ分析業界全体の予報と根拠 • 「情報・データによる意思決定」のように見ることも触る こともできないと体験させることもできない • それゆえにこの状況が突如として変わる見込みは無い • 全員が現状を理解し、意識の改革に今から取り組み始めて も最低限のリテラシーが身につくまで数十年かかるだろう 今後の「データ分析業界」の長期予報

Slide 47

Slide 47 text

データ分析業界全体の予報と根拠 • なので、このままでは改善する見込みはないことをまず認 識するのが第一歩 • もちろんありとあらゆる企業が、と言うわけではないので もう少し細かい粒度で見てどこかに可能性が無いかを探っ てみる 今後の「データ分析業界」の長期予報

Slide 48

Slide 48 text

今後の「データ分析業界」の長期予報 ＜ どんなアナリストとして働くか ＞

Slide 49

Slide 49 text

アナリストを細かく分ける • アナリストだけではマーケターと同じで、言葉の意味が広 すぎるためデータ分析業界とほぼ同義になってしまう • そこで何をするかでさらに細かく分けて考える どんなアナリストとして働くか

Slide 50

Slide 50 text

経営層向けのアナリスト • データ分析の看板を掲げていても経営者層の意思決定に データ分析が使われているケースは少なくデータアナリス トの中でも需要が最も少ないのは変わらないだろう • 内容は経済予測、国際情勢、情報セキュリティ、競合分析 などの戦略情報 どんなアナリストとして働くか

Slide 51

Slide 51 text

経営層向けのアナリスト • 小さい企業では経営者自身が担当する • 規模が大きくなると経営企画や外部のコンサルが自分達で 分析して自分達で使うことが常態化している • 自分で考えて決めることが優秀な証だと思っている人が多 いのでアナリストの出番が無い どんなアナリストとして働くか

Slide 52

Slide 52 text

現場向けのアナリスト • 問題に直面している現場の方がデータに対する感度が高く 分析の需要がありそうに見えるが自分で分析して決めたい 人が多いのはどのレベルでも同じ • 簡単な集計が中心で「アナリスト」はデータ抽出や整備が 期待されているのが実態でありその傾向は続くだろう • 啓蒙することで仕事の幅を広げるには長い時間が必要 どんなアナリストとして働くか

Slide 53

Slide 53 text

現場向けのアナリスト • それ以外の分析もツールによる自動化は脅威。データをい れたら簡単な予測分析ぐらいならダッシュボードと同じ感 覚で作れる機能が出始めている • 少しコードを書いて予測分析をする程度では仕事にならな くなるかもしれない どんなアナリストとして働くか

Slide 54

Slide 54 text

現場向けのアナリスト • 例外として、データによる改善が利益に直結するのが判り やすい業界や業種では需要は高いままだろう • 例えば「保険」「金融」「ゲーム」 • 要するに「データ分析をしたら金が増える」が数字ですぐ に見えるかが鍵。「効率が良くなる」では弱い どんなアナリストとして働くか

Slide 55

Slide 55 text

データサイエンティスト • データアナリストの中でもデジタルに特化しかつ高度な手 法を使ったデータ分析を行う人のこと • データアナリストの需要がないのにより高度なことができ るアナリストとしてのデータサイエンティストは不要 • 現在でもほぼ存在せず、この状況は引き続きつづくだろう どんなアナリストとして働くか

Slide 56

Slide 56 text

データサイエンティスト • 現在データサイエンティストを名乗っている人は実態とし ては機械学習エンジニアなので詳細はそちらにて どんなアナリストとして働くか

Slide 57

Slide 57 text

Webアナリスト • 「Web解析ツールを使う人」とほぼ同じ意味になっており アナリストと言うよりはGoogleAnalyticsなどツールを使っ たレポート作成屋になることも多い • あるいはタグを埋め込んだりパラメータを設定したりと いったデータ整備をすることも どんなアナリストとして働くか

Slide 58

Slide 58 text

Webアナリスト • マーケターのリテラシー向上と自動化が進めば遠からず Webマーケターの1スキルに吸収されてWebアナリストと いう名称も消えてしまうかもしれない • UI／UX視点を合わせた顧客行動への洞察、Web業界全般の リサーチなどWebサービスを作るための分析全般に幅広く 広げられるかが鍵か どんなアナリストとして働くか

Slide 59

Slide 59 text

マーケティングリサーチャー • 老舗も多くあまり目立たないが良くも悪くも安定した状態 は続くだろう • ただし意思決定に関与できているかははなはだ怪しくレ ポートを作っているだけな面もある どんなアナリストとして働くか

Slide 60

Slide 60 text

マーケティングリサーチャー • マーケティングリサーチ専業の企業は最近増えたデータ分 析を受託する企業に比べれば選択肢も多い • 一方で企業内リサーチャーは低需要。よほどリサーチを重 視する企業でなければ専任のリサーチャーは必要ない どんなアナリストとして働くか

Slide 61

Slide 61 text

UXリサーチャー • 「デザイン」の流行とのからみで一時的に名前を聞く機会 が増えるかもしれないがそれは一過性で終わる可能性が高 いと思われる • 理由は名前だけ聞こえても「なにそれ？」で終わるから。 デザインは判りやすいがリサーチに興味がある人は少ない どんなアナリストとして働くか

Slide 62

Slide 62 text

UXリサーチャー • ただし「やった感」は出るのでマーケティングリサーチ同 様に細く長く生き残る可能性はある • 本来の役割として貢献できるようになるのはまだ先か • スキル的にはデータアナリストからの参入があってもおか しくなさそうだがコミュニティが断絶しているせいかあま り動きはない模様 どんなアナリストとして働くか

Slide 63

Slide 63 text

今後の「データ分析業界」の長期予報 ＜ どこでアナリストとして働くか ＞

Slide 64

Slide 64 text

大企業でアナリストとして働く • 企業全体でのデータの活用は当分進まないだろう • 局地的には流行りに乗っても含めて行われるし資産はある ので良い上司の元でならば参画は検討の余地あり • その上司がそれなりの権力を持っていることは最低条件 どこでアナリストとして働くか

Slide 65

Slide 65 text

大企業でアナリストとして働く • 現場で働くにもデータはあっても使えない、使えても整備 されていないから始まり各種社内調整が必要になるのでそ れに耐えられるか • 実績（というか名声）を手に入れてどこかに移る踏み台に は使える どこでアナリストとして働くか

Slide 66

Slide 66 text

メガベンチャーでアナリストとして働く • 定義があいまいだがデータ分析を行うために勤める先とし ては引き続き最有力である状況は続くだろう • データと文化が最も共存している • ただし経営レベルのデータ分析ではなくプログラミングや 専門知識が生きる どこでアナリストとして働くか

Slide 67

Slide 67 text

中小企業でアナリストとして働く • データの活用は当分進まないので活躍の場はほとんどない。 大企業以上に浸透には時間がかかるだろう • これは文化の背景があるので企業の規模を問わないが、特 に中小企業はうまくいった場合のインパクトが少ない どこでアナリストとして働くか

Slide 68

Slide 68 text

中小企業でアナリストとして働く • データもなければ専業を雇う余裕も無いので小さすぎる企 業ではアナリスト専業は無理 • ある程度以上の規模ならアナリストが成立する可能性はあ るが経営者がどれだけ投資するか次第 どこでアナリストとして働くか

Slide 69

Slide 69 text

ツールベンダーでアナリストとして働く • 売れるツールのベンダーにいれば安泰だが、そのツールの 価値がなくなった時に厳しい • 10数年前にGooleAnalyticsが登場した時に国内外のアクセ ス解析ツールベンダーが数年で壊滅した事例もある どこでアナリストとして働くか

Slide 70

Slide 70 text

ツールベンダーでアナリストとして働く • 分析者としてはベンダーに所属して導入した企業にコンサ ルしたり常駐したり • あくまでもそのツールを使うことが大前提になるので手段 を制限される • 分析というよりは導入支援として教える立場 どこでアナリストとして働くか

Slide 71

Slide 71 text

受託企業でアナリストとして働く • コンサル要素も大いにあるがそれでも分析業務を中心に、 様々な案件に関わることで経験が積めることは新卒や初心 者にとって非常に良い点。他の企業ではまず体験できない • だが長期的には留まるのはリスク高だろう。リスク要因と しては どこでアナリストとして働くか

Slide 72

Slide 72 text

受託企業でアナリストとして働く • 転職の難しさ・・・他の受託企業だと条件面の問題。事業 会社に行くにも分析だけしかしていないと厳しい • 企業の規模が大きくならない・・・転職独立が簡単 • 出世できない・・・上司の転職待ち • 今が良くてもずっと続けられる保証がないのはどこでも同 じだが、選択肢が極端に少ないのが分析受託の特徴 どこでアナリストとして働くか

Slide 73

Slide 73 text

フリーランスでアナリストとして働く • 基本的には営業力勝負 • 企業側には経験が無いので分析のスキルを判別する能力が 乏しいのと現場の人は決定権を持っていない • 分析は具体的なアウトプットが表に出しづらい • 知り合いや前にいた企業とのコネ、有名企業の経歴の勝負 になりやすい どこでアナリストとして働くか

Slide 74

Slide 74 text

起業してアナリストとして働く • 「分析」を主にしたいなら拡大は難しく、この場合はフ リーランスと同様に営業力勝負 • 従業員を雇えばマネジメントに時間を取られるためアナリ ストの仕事ができる余地はすくない どこでアナリストとして働くか

Slide 75

Slide 75 text

それでも「データ分析」で仕事をしたい人は どうしたらよいのか

Slide 76

Slide 76 text

無理ではないがとても厳しい • 細かく見たが望みは薄そう。いくら細かく見て良い方法を 探っても全体が悪ければどこかで詰むかもしれない。沖縄 にいたらどこにいても暑い • 一方で今後も「データ関連」の仕事は確実に増える • 「データ分析業界」ではなく「データ分析に関わる人」な ら選択肢は大きく増える それでも「データ分析」で仕事をしたい

Slide 77

Slide 77 text

どんな選択肢があるか • 環境の良い企業に応募する • 周辺領域に活動を広げてその中でアナリストをしていく • 意地でもデータ分析業界がいいなら「成果が判りやすい」 業種業態を選ぶ。 • データ分析を自分で売り込む それでも「データ分析」で仕事をしたい

Slide 78

Slide 78 text

「データ分析」で仕事をする選択肢 ＜＜ 環境のよい企業に応募する ＞＞

Slide 79

Slide 79 text

環境の良い企業に応募する • データそのものやデータ分析による意思決定の文化があり、 理解のある経営者や上司・優秀な同僚に囲まれ、高い社会 貢献度な企業に入ればそれが一番よいのは間違いない • ただし入社できるかどうかは分析能力があるかとは別問題。 特に面接 それでも「データ分析」で仕事をしたい

Slide 80

Slide 80 text

環境の良い企業に応募する • 有名大手企業での分析経験（下請けへ丸投げ）や、イケて るベンチャーで分析チームのリーダーやってました（チー ムは2人）には「分析ができる」だけでは勝てない • タイミング、面接官との相性など自分ではどうにもならな い要因が多い それでも「データ分析」で仕事をしたい

Slide 81

Slide 81 text

環境の良い企業に応募する • なのでできることは「できるだけ良い企業をさがして、数 多く応募する」こと • 下準備としてのセルフブランディングは有効そう • なのだけど、分析には「良い企業」はそうそうないので他 の方法を考える必要がある それでも「データ分析」で仕事をしたい

Slide 82

Slide 82 text

「データ分析」で仕事をする選択肢 ＜＜ 成果が判りやすい業種業態を選ぶ ＞＞

Slide 83

Slide 83 text

成果が判りやすい業種業態とは • 要するにうまくいったら「金が増える」が直接的にすぐに わかるかどうか • 「金融」「保険」は以前からデータ分析が使われているし、 近年増えたのは「広告」「ゲーム」 • ECは顕著に影響がでるはずだがあまり広まらないのは謎 成果が判りやすい業種業態を選ぶ

Slide 84

Slide 84 text

成果が判りやすい業種業態とは • 直接金にならなくとも物や形に残ると評価されやすい • 誰も使っていなくても「レポート」や「データ」が残ると やっている感がでる • 逆に数字になりづらい「意思決定の質を上げる」「炎上さ せずにプロセスをうまく回す」などは評価されない 成果が判りやすい業種業態を選ぶ

Slide 85

Slide 85 text

「データ分析」で仕事をする選択肢 ＜＜ 周辺領域まで活動を広げてみよう ＞＞

Slide 86

Slide 86 text

分析ができる〇〇に広げてみる • コンサルタント、マーケター、営業など データを 誰のために 何と呼ぶ 使う人 自分のため 分析する〇〇 使う人 他人のため アナリスト 作る人 エンジニア 周辺領域まで活動を広げてみよう

Slide 87

Slide 87 text

分析ができる〇〇 • 繰り返しになるが「データ分析」そのものはみんなやって いるが、基本的に独学＋自己流 • 体系的に学んだり、あるいは分析の経験があって「分析が できる〇〇」になれればかなりの差別化になる 周辺領域まで活動を広げてみよう

Slide 88

Slide 88 text

分析ができる〇〇 • 今もこれからも稼ぐなら最有力なのはコンサルタントや マーケターなのは変わらない。性格が合うことが条件 • 営業でも経理でも人事でもしっかりとした分析的な思考が できるのであれば十分な強みになる 周辺領域まで活動を広げてみよう

Slide 89

Slide 89 text

グロースハッカー・カスタマーサクセス • 攻めのグロースハッカー、守りのカスタマーサクセス • 既存のマーケティングとの違いは分析による検証と試行錯 誤をテクノロジーを使って大量に行うこと 周辺領域まで活動を広げてみよう

Slide 90

Slide 90 text

グロースハッカー・カスタマーサクセス • 実態としては今までのマーケティングと同じで看板を変え ただけになっている • この違いを十分に理解している企業や上司と組めればいい が難しい • 名前はともかく1人で企画・分析・実行の全部がやり切れる なら道が開けるかも 周辺領域まで活動を広げてみよう

Slide 91

Slide 91 text

エンジニアに広げてみる • エンジニアリングも一緒にやったらどうか データを 誰のために 何と呼ぶ 使う人 自分のため 分析する〇〇 使う人 他人のため アナリスト 作る人 エンジニア 周辺領域まで活動を広げてみよう

Slide 92

Slide 92 text

データエンジニア • 一般的にはデータエンジニアと言えばログを収集して保管 する仕組みを作る • データを収集するためや、集めた後に使うためのインフラ 作りも含む • これから伸びる職種では有力だろう 周辺領域まで活動を広げてみよう

Slide 93

Slide 93 text

データエンジニア • データエンジニアが伸びそうな理由 1. 技術職でありつぶしが効く 2. データの扱いに困っている企業は多いので選択肢が増える 3. データを整備した結果が見える形で残る 4. 使われなくてもさほど問題にならない 周辺領域まで活動を広げてみよう

Slide 94

Slide 94 text

データエンジニア • エンジニアと営業やマーケターとのギャップを埋める ✓ 使いやすいようにデータマートを整備する ✓ BIツールでダッシュボードを作る ✓ データを抽出、加工して色々な人に渡す これは別にしたほうがいいのでは？ 周辺領域まで活動を広げてみよう

Slide 95

Slide 95 text

データマネジメント • データエンジニアに加えて ✓ セキュリティ ✓ 法務 なども併せてマネジメントする人需要が顕在化するのは当面 先だろう 周辺領域まで活動を広げてみよう

Slide 96

Slide 96 text

機械学習エンジニア • AIや人工知能と合わさってバブル真っ最中だけど、そろそ ろ雲行きが怪しいという声もちらほら聞こえてくる • うまく使える企業とそうでない企業で大きく差が出そうな ので何をするか以上にどこに行くかの影響が大きいか • AutoMLを筆頭に自動化が進みつつあり近い将来は飛行機の ように役割が分かれていくと予想される 周辺領域まで活動を広げてみよう

Slide 97

Slide 97 text

機械学習エンジニア • トップ大学で専門的に学んだごく一部の専門家がアルゴリ ズムを開発。飛行機の設計 • 機械学習全般を使いこなす専門知識のある人が運用。パイ ロット • 多くの人はデータ作りやメンテナンス。整備士 周辺領域まで活動を広げてみよう

Slide 98

Slide 98 text

機械学習エンジニア • 個々の問題に対してどこまで自動化が進むかは未知数 • パイロットは分身できないから一定量の需要はあるが、機 械学習はツールなので自動化が大きく進むと運用する人が ほとんどいらなくなるシナリオも • データ作りの仕事は途切れることはなさそう 周辺領域まで活動を広げてみよう

Slide 99

Slide 99 text

アナリストとエンジニアの間 • アナリストに近いけど実質的にはエンジニアな役割がある データを 誰のために 何と呼ぶ 使う人 自分のため 分析する〇〇 使う人 他人のため アナリスト 作る人 エンジニア 周辺領域まで活動を広げてみよう

Slide 100

Slide 100 text

データ整備人（仮） • 営業やマーケターからの依頼でデータを抽出したりダッ シュボードを作る。またそのためのデータの整備を行う • 目立たないがエンジニアが片手間でやったりするので関 わっている人は多い • 分析をしているわけではなく分析するためのデータを作っ ているので実質的には「エンジニア」 周辺領域まで活動を広げてみよう

Slide 101

Slide 101 text

データ整備人（仮） • ところがダッシュボードを作る＝分析と勘違いしている人 が非常に多いため世間的には求人でデータアナリストと なっていても本当に求められているのはこの役割が大半 • うまくできる人もやりたいという人も少ないので役割とし て確立されればデータの仕事として有力な予感 周辺領域まで活動を広げてみよう

Slide 102

Slide 102 text

アナリストと分析する〇〇の間 • 「データ分析」だけれども「分析以外」の領域を担う役割 データを 誰のために 何と呼ぶ 使う人 自分のため 分析する〇〇 使う人 他人のため アナリスト 作る人 エンジニア 周辺領域まで活動を広げてみよう

Slide 103

Slide 103 text

アナリティクスディレクター • データ分析プロセスのマネジメントをする「つなぎ役」 • 営業とエンジニアの隙間が開いている企業（つまり大半の 企業）では分析の専門家より先に必要 • データ分析が失敗する要因の１つに「いきなり専門家を雇 う」があり、これで痛い目を見た企業には伝わりやすい 周辺領域まで活動を広げてみよう

Slide 104

Slide 104 text

アナリティクスディレクター • なのでいずれ需要は出てくるだろうが、とにかくわかりづ らい存在でもあり現状では非常に厳しい。 • アナリストに未来がないのにプロセスを管理する人の未来 はもっと暗い 周辺領域まで活動を広げてみよう

Slide 105

Slide 105 text

アナリティクスディレクター • 詳しくは以前のイベント資料にて。今回の資料のページか らもリンクあり • 「データ分析」において「分析以外の役割」はキャリアに なるのかを考える https://speakerdeck.com/shinu/damt09 周辺領域まで活動を広げてみよう

Slide 106

Slide 106 text

共通の問題 • データ分析の周辺領域に活動を広げれば選択肢は多く生き ていくのに困ることは無い • データ分析のスキルがある人は少ないので基礎的な理解だ けでも差別化につながる • ただし、それぞれがまた大きな問題でありそちらが本職な ので忙しくなると（つまり大体いつでも）分析ができない 周辺領域まで活動を広げてみよう

Slide 107

Slide 107 text

データ分析を自分で売り込む

Slide 108

Slide 108 text

自分から「データ分析」を売り込んで仕事を作る • データ分析をやってみたいと思っているがどうしたらいい かわからない企業や人は結構いる • 当人たちが判っていないなら売り込む必要がある • 分析する人は売り込むのが苦手なのでコンサルや営業にい いところを持っていかれて使われるだけになったりする 「データ分析」を売り込む

Slide 109

Slide 109 text

現場の人に売り込む • 「ここはどうなっているんですか」や「それはなぜです か」と聞いてみて、調べてみませんかと売り込む • 問題は使ってもらえない率が上がるし、うざがられる • なので要偉い人の庇護 「データ分析」を売り込む

Slide 110

Slide 110 text

データ分析組織立ち上げを売り込む • データも環境もないので分析だけでなくあらゆることを やっていく必要がある • 最も未知の領域であるが非常に挑戦的な取り組みでもある • これも偉い人の庇護があればよし、無ければ自分で突破す る営業力や折衝力が必要 「データ分析」を売り込む

Slide 111

Slide 111 text

データ分析のサービスを売り込む • データ分析人材採用コンサルティング • 分析の第三者監査 • ツール導入時チェック • 導入済みツールの精査 「データ分析」を売り込む 参照：データアナリストだからこそできるサービスというかあったら自分が使いたいサービスを考えた https://analytics-and-intelligence.net/archives/3744

Slide 112

Slide 112 text

その他に持っておきたいスキル

Slide 113

Slide 113 text

その１：営業力 • データ分析の有用性や成果の社内外への提案やアピールが できないと仕事にならなかったり不当な扱いを受ける • これさえあれば大体解決。 その他に持っておきたいスキル

Slide 114

Slide 114 text

その１：営業力 • データ分析の有用性や成果の社内外への提案やアピールが できないと仕事にならなかったり不当な扱いを受ける • これさえあれば大体解決。分析力なんていらない その他に持っておきたいスキル

Slide 115

Slide 115 text

その２：発信力 • 何をしているのか、どういったことができるのか発信して おくことは営業力にもつながる • セルフブランディングしたり。名前が売れると転職にも有 利。 その他に持っておきたいスキル

Slide 116

Slide 116 text

その２：発信力 • 何をしているのか、どういったことができるのか発信して おくことは営業力にもつながる • セルフブランディングしたり。名前が売れると転職にも有 利。分析力なんていらない その他に持っておきたいスキル

Slide 117

Slide 117 text

その３：演出力 • 「なんかすごそう」と思わせたら勝ち その他に持っておきたいスキル

Slide 118

Slide 118 text

その３：演出力 • 「なんかすごそう」と思わせたら勝ち • 意味のないレポートでも何かやった感あるように見せれば 満足させることはできる。 その他に持っておきたいスキル

Slide 119

Slide 119 text

その３：演出力 • 「なんかすごそう」と思わせたら勝ち • 意味のないレポートでも何かやった感あるように見せれば 満足させることはできる。分析力なんていらない その他に持っておきたいスキル

Slide 120

Slide 120 text

現実的な対応が必要 • データ分析の文化がないのだから体系的に学んだ人も専門 的な知識のある経験者も少ない。なのでわかりやすくア ピールできる側が強いのは当然 • その現状を踏まえた上でどういった人にどうアプローチを とるかを考える必要がある その他に持っておきたいスキル

Slide 121

Slide 121 text

まとめ

Slide 122

Slide 122 text

• データ分析の文化がなかった日本では「データ分析業界」 つまり「アナリスト」の未来は暗い • 全体として悪いので部分的によいところを探してもすぐ限 界がくる • 「データ分析」ならば選択肢は十分にあるが、その場合は 「データ分析」以外のことが多く求められる • 今まで漠然と思っていたことをまとめて言語化してみた まとめ

Slide 123

Slide 123 text

• このままでいいなんてまったく思っていない • データ分析者の良いキャリアの作り方 • 身に着けるべきスキルとその方法 • 世の中のデータ分析リテラシーの底上げ • データ分析者のマネジメントをどうするか • データ分析を誰にどうやってアピールするか • データ分析の文化をどうやって作っていくか • やることはたくさんあるけど先達はいないのでみんなで考 えていきましょう これからのことについてちょっとだけ

Slide 124

Slide 124 text

ご清聴ありがとうございました しんゆう＠データ分析とインテリジェンス https://analytics-and-intelligence.net/ Twitter：@data_analyst_